Fluxo Mximo em Redes

Sumrio

Aplicaes
Conceitos
Fluxo em redes
Fluxo mximo
Mtodo de Ford-Fulkerson
Redes residuais
Caminhos de aumento
Cortes

Algoritmos em Grafos

Aplicaes
Considere a seguinte
situao modelada por um
grafo
Cada arco representa uma rua
de mo nica
A capacidade de cada arco
indica o maior fluxo possvel
ao longo da rua (veculos/
hora)

Qual o maior nmero

possvel de veculos que
pode viajar de v para w em
uma hora?

Algoritmos em Grafos

Aplicaes
Outros exemplos
Envio de produtos da fbrica para o
distribuidor
Transporte de peas em linhas de
montagem
Lquidos em redes hidrulicas
Dados em redes de comunicao
Correntes em redes eltricas

Algoritmos em Grafos

Fluxo em Redes
Uma rede G =(V, E) um grafo orientado em
que cada aresta (u, v) E tem uma
capacidade no-negativa c (u, v) 0
Existe sempre um vrtice origem s e um
vrtice destino t
Um fluxo representa o envio de entidades da
origem para o destino, percorrendo alguns dos
arcos da rede

Algoritmos em Grafos

Fluxo em Redes

13

v2
Calgary

14
(a)

20

v4
Regina

Winnipeg
t

16
11/

v1

8/1
3

v2

12/12

11/14

v3

15/
20
t

7/7

v3

16

12

Saskatoon

4/

Vancouver

v1

capacidade
c(s,v1)

1/4

Edmonton

Chapter 26

710

fluxo
f(s,v
Maximum
Flow
1)

Perceba a conservao
de fluxo nos vrtices v1,
v2, v3 e v4.

v4

4/4

(b)

Figure 26.1
(a) A flow network
G D .V; uma
E/ for the
Lucky Puck Companys
trucking problem.
No caso acima,
verifica-se
que existe
capacidade
de 16 unidades
de
The s
Vancouver
sourcequais
s, and the
Winnipeg 11
warehouse
is the
sink t. The
companyno
ships
fluxo do n
para ofactory
n vis1the
, das
apenas
esto
sendo
usadas
pucks through intermediate cities, but only c.u; !/ crates per day can go from city u to city !. Each
momento.edge is labeled with its capacity. (b) A flow f in G with value jf j D 19. Each edge .u; !/ is labeled

by f .u; !/=c.u; !/. The slash notation merely separates the flow and capacity; it does not indicate
division.
Algoritmos em Grafos
6

We call the nonnegative quantity f .u; !/ the flow from vertex u to vertex !. The

Fluxo em Redes
Deve satisfazer trs propriedades

Restrio de capacidade: o fluxo que circular

em um arco deve ser igual ou menor que a sua
capacidade
f (u,v) c (u,v)
Anti-simetria: o fluxo em um direo deve ser
igual ao seu fluxo na direo oposta

f (u,v) = -f (v,u)
Conservao de fluxo: o fluxo que entra deve
ser igual ao que sai (exceto para s e t )
Algoritmos em Grafos

Fluxo Mximo
o nmero mximo de unidades de fluxo
possvel atravs da rede desde o n
origem at o n destino
Considera-se que h conservao de
fluxo: o que parte da origem chega
totalmente ao destino, sem perdas no
caminho.

Algoritmos em Grafos

Mtodo de Ford-Fulkerson
Depende das ideias de:
Rede residual: formada pelas arestas da
rede que podem admitir mais fluxo (ou seja,
onde existe capacidade residual)
Caminho aumentante: um caminho
simples desde a origem at o destino na
rede residual

Algoritmos em Grafos

Rede Residual
Dado uma rede G = (V, E) e um fluxo f(u,v) em G, a
capacidade residual cf a quantidade de fluxo
adicional que pode passar por (u, v) sem exceder a
capacidade c (u, v):

cf (u, v) = c (u, v) f (u, v)

Assim, se por exemplo c(u,v) = 5 e f(u,v) = 4, ainda
pode-se aumentar o fluxo de u para v em cf = 1
unidades antes que a restrio de capacidade seja
excedida.

Algoritmos em Grafos

10

Rede Residual
Exemplo
5-4=1

Rede residual
Algoritmos em Grafos

11

Caminho Aumentante
Dado um caminho aumentante P em uma rede residual
Gf , a quantidade mxima pela qual o fluxo pode ser
aumentado no caminho chamada de capacidade
residual cf (P), e expressa por

cf (P) = min {cf (u,v) : (u,v) est em P }

A capacidade residual de um caminho aumentante P
corresponde menor dentre as capacidades residuais
das arestas de P.
Em outras palavras, a quantidade que ainda pode ser
enviada ao longo de P.
Algoritmos em Grafos

12

associated residual network Gf . Once we know the edges of an augmenting

path in Gf , we can easily identify specific edges in G for which we can change
the flow so that we increase the value of the flow. Although each iteration of the
Ford-Fulkerson
method increases
the value of the flow, we shall see that the flow
Mtodo
de Ford-Fulkerson
on any particular edge of G may increase or decrease; decreasing the flow on some
edges may be necessary in order to enable an algorithm to send more flow from the
source to the sink. We repeatedly augment the flow until the residual network has
no more augmenting paths. The max-flow min-cut theorem will show that upon
termination, this process yields a maximum flow.
F ORD -F ULKERSON -M ETHOD .G; s; t/
1 initialize flow f to 0
2 while there exists an augmenting path p in the residual network Gf
3
augment flow f along p
4 return f
In order to implement and analyze the Ford-Fulkerson method, we need to introduce several additional concepts.
Residual networks
Intuitively, given a flow network G and a flow f , the residual network Gf consists
of edges with capacities that represent how we canAlgoritmos
changeem
theGrafos
flow on edges
of G.
13
An edge of the flow network can admit an amount of additional flow equal to the

replace f by f " fp , obtaining a new flow whose value is jf j C jfp j. The following implementation of the method computes the maximum flow in a flow network
G D .V; E/ by updating the flow attribute .u; !/:f for each edge .u; !/ 2 E.1
If .u; !/ 62 E, we assume implicitly that .u; !/:f D 0. We also assume that we
Algoritmo de Ford-Fulkerson
are given the capacities c.u; !/ along with the flow network, and c.u; !/ D 0
if .u; !/ 62 E. We compute the residual capacity cf .u; !/ in accordance with the
formula (26.2). The expression cf .p/ in the code is just a temporary variable that
stores the residual capacity of the path p.
F ORD -F ULKERSON .G; s; t/
1 for each edge .u; !/ 2 G:E
2
.u; !/:f D 0
3 while there exists a path p from s to t in the residual network Gf
4
cf .p/ D min fcf .u; !/ W .u; !/ is in pg
5
for each edge .u; !/ in p
6
if .u; !/ 2 E
7
.u; !/:f D .u; !/:f C cf .p/
8
else .!; u/:f D .!; u/:f ! cf .p/
1 Recall

from Section 22.1 that we represent an attribute f for edge .u; !/ with the same style of
notation.u; !/: f that we use for an attribute of any other object.
Algoritmos em Grafos

14

Exerccio
Fornea os fluxos e a rede residual
obtida a cada iterao do algoritmo de
Ford-Fulkerson para a rede abaixo:
16

B
4

A
13

12

9
14

20
F

7
E

Algoritmos em Grafos

15

Resoluo

Chapter 26 Maximum Flow

13

7
4

v3

7
4

v4

6
8/1
4/1

4/

4
3

16

5
v2

10

4/1

v4

4
9
4

v1

12
s

10

v2

20

v1

v2
v1

v2

4/14
8/12

4/14
8/12

4/14

v4
v3

4/4

4/2

0
t

6
4/1

v3

v4
v3

4/4

8/2

0
t

20

v3

v2

4/
9

v1

13

4/12

14

v4

v2

12

(c)

6
4/1

v1

4/4

13

(b)

20

v3

16
(a)

12

v1

726

v4

4/4

Figure 26.6 The execution of the basic Ford-Fulkerson algorithm. (a)(e) Successive iterations of
with a shaded 16
the while loop. The left side of each part shows the residual network
Gf from line
Algoritmos
em 3Grafos
augmenting path p. The right side of each part shows the new flow f that results from augmenting f
by fp . The residual network in (a) is the input network G.

Resoluo

26.2 The Ford-Fulkerson method

v2

(f)

s
2

v1

12
11

3
11
12

v2

3
11

v3

5
15

v3
19

12

v2
v1

11/14
12/12

11/
13

v2

11/14

v3

15/

20

7/7

11/
13

/16

v4

v4

v4

8/12

v4
v3

4/4

19/

20

7/7

8
11

6
8/1

v1

(e)

8
9

v1

12

v2

10

v3

8
9

8
9

(d)

v1

727

v4

4/4

t
4

Figure 26.6, continued (f) The residual network at the last while loop test. It has no augmenting
Algoritmos em Grafos
17
paths, and the flow f shown in (e) is therefore a maximum flow. The value of the maximum flow
found is 23.